TACK - Tunnlar Automatisk spriCK Övervakning genom Maskininlärning
Diarienummer | |
Koordinator | Kungliga Tekniska Högskolan - Urban Planning & Environment |
Bidrag från Vinnova | 2 213 850 kronor |
Projektets löptid | juni 2019 - oktober 2022 |
Status | Pågående |
Utlysning | Strategiska innovationsprogrammet InfraSweden2030 |
Ansökningsomgång | Lösningar för en hållbar transportinfrastruktur |
Syfte och mål
Syftet med det här projektet är att utveckla en ny metod för att automatisk upptäcka och mäta sprickor i tunnelförstärkningar genom att kombinera maskininlärning och fotogrammetri. Med den här tekniken kommer sprickor att automatisk kunna detekteras och mätas vilket ger detaljerad information om tunnels tillstånd. För att utvärdera den associerade risken med olika typer av sprickor, kommer numeriska analyser med finita element metoden att användas.
Förväntade effekter och resultat
Tekniken som utvecklas inom detta projekt kommer att väsentligt effektivisera hur tunnlar inspekteras och kommer att minska risken att sprickor inte upptäcks. Den detaljerade karteringen av sprickor och möjligheten att kunna mäta sprickvidd ger ett bra underlag för att kunna bedöma tunnels tillstånd. Detta kommer att underlätta planeringen av underhåll och kommer förhoppningsvis leda till kortare nedstängningar av tunnlarna samt längre kostnader för inspektioner och underhåll.
Planerat upplägg och genomförande
Aktiviteterna i detta projekt har delats in i fem stycken packet. WP1: Insamling av data WP2: Utveckling av ramverk för maskininlärning för automatisk detektering av sprickor WP3: Implementering av fotogrammetri-algoritm för att mäta sprickor WP4: Karakterisering av sprickor samt deras associerade risk WP5: Rapportering av resultat för projektet